跳转至

A Bayesian Prevalence‐Incidence Mixture Model for Screening Outcomes With Misclassification

作者: Thomas Klausch, Birgit I. Lissenberg‐Witte, Veerle M. H. Coupé
来源: Statistics in Medicine
主题: 流行病学
相关性: 6/10
链接: 期刊页 · arXiv

一、领域脉络与小综述

这个方向是什么

本文处理的统计问题是 筛检流行病学中由于检查误差导致的数据不完整与测量误差。具体来说，当研究者从电子健康记录（EHR）中分析长期筛检数据时，目标常是在存在区间删失（事件发生时间只知道在两次检查之间）、误分类（检查可能漏检真实阳性）和左截断（基线时已患病的个体的患病状态本身可能未知）这三种结构耦合的场景下，估计真实事件的发病率（incidence） 及与协变量的关联。这三重结构在观察性健康数据中极为常见，但经典方法通常只单独处理其中一种，将它们同时模型化的统计工作相对较少。本文是这类“整合型模型”的一个贝叶斯实现。

发展脉络

论文的 introduction 和已检索摘要所描绘的脉络如下：

  1. 奠基工作：患病-发病率混合模型（Prevalence-Incidence Models）

    • 主导者：Muñoz & Gange (1998)。这是该子领域的经典框架，用于从横截面或重复测量数据中区分“基线已患病”（prevalent）和“随访新发”（incident）。引用句中作者定位为“a standard model”，但指出其“does not account for misclassification”。——这留下了第一个口子。
    • 延伸：James (1990)。提出了一种分时患病-发病率混合模型（piecewise prevalence-incidence model），被引用为“a more elaborate mixture model”。但同样未处理误分类。

  2. 主要进展：处理误分类的模型

    • 主导者：Aalen & Johansen (1978)。提出非参数艾滋病进展与误分类模型（non‐parametric model for progression of HIV/AIDS and misclassification），但作者认为其“requires a lot of data”才能稳定拟合。——高维或数据稀疏时可能存在瓶颈。
    • 关键：Gustafson (2005)。这是一本关于“Measurement Error and Misclassification in Statistics and Epidemiology”的专著，作者引用其为“a comprehensive overview of misclassification in epidemiology”，并特别指出“Bayesian approach allows to incorporate prior information about test sensitivity.” 这直接为本文的贝叶斯选择提供了理论基础。
    • 最新工作：Jiang et al. (2018)。提出了一种半参数贝叶斯方法，用于处理误分类的筛检数据，但不处理区间删失。作者点评：“does not handle interval censoring.”——这留下了第二个口子。

  3. 当前前沿：区间删失 + 误分类 + 左截断的联合建模

    • 本文作者的前期工作：Klausch et al. (2018)。专门处理结直肠癌筛检数据中的误分类，但不处理区间删失和基线患病状态。
    • 其他有竞争力的方法：
      • Counil et al. (2020)：提出一种用于筛检数据中同时处理误分类与区间删失的频繁学派模型（基于EM算法）。作者点评：“frequentist approach, relies on parametric disease model”。——这留下了对非参数/半参数和贝叶斯的需求。
      • Kassanjee et al. (2012)：提出用于HIV检测的患病-发病率混合模型，其中也考虑了检测的误分类，但作者认为其“not primarily designed for EHR data with interval censoring”。
    • 本文的位置：作者明确将本文框架为“prevalence-incidence mixture model (PIM) with a Bayesian estimation back‐end that handles：（1）interval censoring，（2）misclassification，（3）unobserved baseline prevalence status”。这直接填补了上述两个口子：在Muñoz & Gange (1998)的框架上加入误分类（对抗Gustafson, 2005和Jiang et al., 2018的口子），并用贝叶斯处理复杂结构（对抗Counil et al., 2020的频繁学派路径）。

子线索聚类

被引文献大致落在三（四）条子线索上：

  • 线索一：患病-发病率混合模型（PIM）本体论。侧重如何将个体分为“基线已患”与“新发”，通常属于流行病学领域。特点是模型结构清晰，但往往假设无测量误差、删失结构简单。代表：Muñoz & Gange (1998), James (1990)。
  • 线索二：误分类建模（Misclassification Modeling）。侧重如何从错误标记的观察结果中恢复真实事件的概率。可以是贝叶斯（Gustafson, 2005）或频繁学派（Carroll et al., 2006）。通常依赖于已知或可识别的误分类率（敏感性/特异性）。
  • 线索三：区间删失生存分析（Interval-Censored Survival Analysis）。这是一个成熟的统计分支，有大量非参数与半参数方法（如基于Turnbull的估计量、Cox回归的扩展）。本文主要借鉴其参数化或半参数化的发病率函数形式。
  • 线索四（本文自身贡献形成）： 将线索一、二、三整合到一个统一的贝叶斯框架下，特别关注左截断（baseline prevalence） 状态未知的情形。这可以被看作是“Misclassification + Interval Censoring + Left Truncation”的三重耦合问题。

核心追问与瓶颈

这个方向在追问的核心问题： 1. 可识别性问题：在区间删失和误分类同时存在时，真实事件发生率与误分类率是否能被联合识别？通常需要外部信息（如验证样本中已知的敏感性/特异性）或强假设（如误分类率不随时间变化）。 2. 模型拟合与计算：三者耦合后的似然函数变得复杂，导致MCMC采样可能遇到严重的链收敛问题或后验多峰。 3. 对输入的敏感性：在贝叶斯框架下，后验推断结果对先验分布（尤其是关于误分类率的先验） 的敏感性有多大？这一点在论文的模拟中被强调。

⚠️ 作者的 framing 与潜在缺口

  • 作者的 frame：作者把文献的缺口框架成“已有方法不能同时处理interval censoring, misclassification和unobserved baseline prevalence status。”因此，他们提出一个贝叶斯PIM模型，通过数据增广和正则化先验来处理这三者。这个frame是合理的。
  • 被淡化/回避的竞争路线：
    • 频繁学派/EM算法路线（如Counil et al., 2020）。作者仅指出其“rely on parametric disease model”，但并未系统比较贝叶斯与频繁学派在效率、稳健性、计算成本上的区别。这可能是一个值得探索的张力点。
    • 基于逆概率加权（IPW）的修正：在生存分析中，如果误分类是可控且独立于删失时间的，是否有可能用加权方法矫正而不建模？作者未讨论。这可能是[关于计量的统计理论专家]可以关注的，因为它涉及降维（从需建模到只需加权）。
  • 明显未被引用但可能相关的工作：
    • 半参数效率理论：在区间删失和误分类的联合结构下，是否存在有效双稳健估计量（efficient influence function-based estimator）？这直接契合研究者对半参数效率理论的兴趣。文中完全没有提及类EIF或双稳健方法（如TMLE）。
    • 高维/机器学习方法：随着协变量数量增加，文中参数的半参数累计发病率函数的柔性可能不足。Kernelized或Random Forest版本的建模未曾被讨论。

张力

未见明显对立引用。各条线索基本是互补的，各自处理不同子问题。

二、最核心、最简单的例子 / 数学问题

第一步：符号、模型与可观测数据的交代

先建立记号基础。这是读后面所有技术节的钥匙。

  • 记号（Notation）：我们聚焦于一个个体 \(i\)。由于事件时间是区间删失的，我们用 \(T_i\) 表示真实、但不可观测的腺瘤发生时间（以年龄为单位）。\(T_i\) 可以是连续的，也可以是离散的（例如以“年”为单位）。参数：我们关心 \(S(t) = P(T_i > t)\)，即生存函数，或累积发病率 \(F(t)=1-S(t)\)。随机变量：\(C_{i,k}\) 是第 \(k\) 次结肠镜检查的时间点（\(k=1,...,K_i\)）。可观测数据：对每个个体，我们观察到一系列检查时间 \(\{C_{i,1}, ..., C_{i,K_i}\}\)，以及每次检查的结果 \(Y_{i,k}\)（二元变量：1=检测到腺瘤，0=未检测到）。潜在/不可观测量：真正的潜在状态 \(Z_{i,k}\)（在时间 \(C_{i,k}\) 是否真的具有腺瘤，0/1）。\(Z_{i,k}\) 完全由 \(T_i\) 决定：\(Z_{i,k}=1\) if \(T_i \le C_{i,k}\)。\(T_i\) 本身也是潜在的。
  • 模型（Model）：
    1. 发病率模型（Incidence Model）：\(T_i\) 来自一个参数化的生存模型。文中假设一个分段常数的基线风险函数（piecewise constant baseline hazard）或者说累积发病率是分段线性的。即 \(H(t) = \int_0^t h(s) ds = \sum_{l=0}^{L} \alpha_l \max(0, t-t_l)\)，其中 \(t_0=0，t_1,...,t_L\) 是预定义的时间节点（如年龄60, 70, 80）。\(\alpha_l\) 是 要估计的参数，表示每段的风险变化率。协变量 \(\mathbf{X}_i\) 通过比例风险模型进入：\(h(t|\mathbf{X}_i) = h_0(t)\exp(\mathbf{X}_i^T \beta)\)。
    2. 误分类模型（Misclassification Model）：观测结果 \(Y_{i,k}\) 以一定的概率偏离真实状态 \(Z_{i,k}\)。设定：
      • 灵敏度：\(P(Y_{i,k}=1|Z_{i,k}=1) = \pi_{s}\)。即当真有腺瘤时，结肠镜检测到的概率。这是一个假设已知或可通过先验信息输入的参数。
      • 特异度：\(P(Y_{i,k}=0|Z_{i,k}=0) = \pi_{n}\)。即当真无腺瘤时，结肠镜判断正确的概率。 作者假设灵敏度 \(\pi_s\) 是已知的（或给定先验）。这等价于假设 误分类率是可识别 的（通常由外部验证研究告知）。
  • 可观测数据 (Data)：对于第 \(i\) 个个体，我们观测到的是一系列检查时间-结果配对： \(\{ (C_{i,1}, Y_{i,1}), (C_{i,2}, Y_{i,2}), ..., (C_{i,K_i}, Y_{i,K_i})\}\)。我们还观测到基线状态的缺失（如果第一次检查缺失或结果=0，且后续结果=1，你无法知道这是个新发病例还是基线患病第一次被检出）。 关键区分：我们想要 \(T_i\) 但看不到；我们只能看到检查结果 \(Y_{i,k}\)，但这个结果受真实状态（由 \(T_i\)决定）和误分类影响。

第二步：最小内核

最简特例：假设我们考虑仅有两个时间点——基线（时间 0）和随访（时间 1）。并且，我们假设无协变量，并且风险是常数（即发病率是线性的），且基线检查是100%敏感的（\(\pi_s=1\)），但随访检查的灵敏度未知（\(\pi_s < 1\)）。同时，我们忽略特定死亡率（non-informative censoring）。

在这个特例下，全文模型退化为什么？ * 参数：我们只需要估计两件事： 1. 基线患病率：\(p_J = P(\text{在基线时已有腺瘤})\)。对应模型中的 \(\alpha_0\)。 2. 1年内发病率：\(\lambda = h\)（常数风险），即 \(P(\text{在0-1年间新患上腺瘤}) = 1 - \exp(-\lambda)\)。 * 可观测数据（每个个体）：我们只看到两个二值结果： * \(Y_{i,0}\)：基线检查结果（0/1）。 * \(Y_{i,1}\)：随访检查结果（0/1）。 * 潜在结构（模型假设）：存在一个潜在状态向量 \((Z_{i,0}, Z_{i,1})\)，其中 \(Z_{i,0} \sim Bernoulli(p_J)\)，且如果 \(Z_{i,0}=0\)，那么 \(Z_{i,1} \sim Bernoulli(\lambda)\)（这里近似，忽略基线风险在0-1间的变化）。如果 \(Z_{i,0}=1\)，那么 \(Z_{i,1}=1\)（已经患病）。 * 可观测与潜在的映射：\(Y_{i,0} = Z_{i,0}\)（因为假设基线100%敏感），但 \(Y_{i,1}\) 以灵敏度 \(\pi_s\) 被误分类：

\[P(Y_{i,1}=1|Z_{i,1}=1) = \pi_s, \quad P(Y_{i,1}=0|Z_{i,1}=0)=1。\]
（简化：假设特异性也为1，这意味着假阳性被忽略。这是个很强的简化，但更容易理解核心识别问题。）

这个问题是什么：估计 \((p_J, \lambda, \pi_s)\)。

为什么这个问题之前不trivial？ 因为两个可观测变量 \((Y_0, Y_1)\) 只能提供两个自由度（4种可能的观测模式，但概率和=1，所以只有3个自由参数）。而我们要估计三个未知参数 \((p_J, \lambda, \pi_s)\)。这意味着模型是不可识别的——除非我们给其中一个参数加上先验。

本文的贝叶斯思想如何破？ 作者把 \(\pi_s\) 看成一个已知的、但带有不确定性的参数，注入一个强先验（例如，根据文献，结肠镜灵敏度为80%-90%，所以可以设 \(\pi_s \sim Beta(40,10)\)，均值为0.8，方差很小）。给定这个信息先验，就可以对 \((p_J, \lambda)\) 进行后验推断。

在这个最小特例下的数学本质： 假设我们观测到很多个体的 \((y_{i,0}, y_{i,1})\) 模式。似然函数为：

\[L(p_J, \lambda, \pi_s) \propto \prod_{i: (0,0)} [ (1-p_J)(1-\lambda) ] \times \prod_{i: (0,1)} [ (1-p_J)(\lambda \pi_s) ] \times \prod_{i: (1,0)} [ p_J (1-\pi_s) + (1-p_J) \cdot 0] ...\]
等等。如果没有先验，分母和分子会抵消，导致 \((p_J, \lambda, \pi_s)\) 不能同时被唯一地MLE估计。通过给 \(\pi_s\) 加先验，我们”钉死了“一个方向，从而可以将\((p_J, \lambda)\) 清晰地分离出来。这正是本文“通过数据增广和正则化先验处理不可观测的患病状态”的数学核心——一个经典的非识别问题，通过贝叶斯框架（信息先验）被转化为了可处理的问题。

三、这篇论文做了什么

三句话

  1. 研究问题：在结直肠癌高危人群的监控EHR数据中，同时处理区间删失（事件发生时间未知）、结肠镜误分类（漏检）和基线患病状态未知这三个挑战，以估计真实的腺瘤发生时间（积累发病率） 和协变量关联。
  2. 核心工具：一个贝叶斯患病-发病率混合模型（PIM），通过数据增广（将不可观测的真实事件时间 \(T_i\) 和真实基线状态 \(Z_{i,0}\) 视为潜在变量并采样）和正则化先验（特别是对误分类参数施加强先验）来实现可识别与推断。
  3. 主要结论：在模拟研究中，当为结肠镜灵敏度提供了信息先验（现实中通常可行）时，模型能很好地恢复真实的群体发病率曲线和协变量效应。模型对误分类率的先验设定稳健，但若先验严重偏离真相，贝叶斯估计仍会有偏。

关键设定与假设

  • 假设1: 误分类可识别（通过信息先验）：最关键的外部信息假设。模型假设已知（或可先验指定）结肠镜的灵敏度 (\(\pi_s\)) 和特异性 (\(\pi_n\))。这等价于假设研究者有外部验证研究（如金标准结肠镜）提供这些误分类率的估计。如果 \( \pi_s\) 或 \(\pi_n\) 完全未知且无先验，模型是不可识别的。这比经典因果推断（基于无混淆性）对外部信息依赖更强。
  • 假设2: 独立于删失的误分类（Non-differential misclassification）：作者假设误分类率不依赖于真实事件时间 \(T_i\) 或协变量 \(\mathbf{X}_i\)（给定真实状态 \(Z\)）。如果误分类率与时间/协变量相关（例如，年老的个体更容易漏检），该模型会偏误。
  • 假设3: 区间删失的非信息性（Non-informative interval censoring）：结肠镜检查时间点（即删失机制）与事件时间 \(T_i\) 是条件独立的（给定协变量）。这在筛检数据中可能不成立（例如，高危患者被更频繁地检查）。与标准区间删失模型相同，假设成立程度与模型准确性正相关。
  • 假设4: 基线状态未知（Unobserved baseline prevalence）：这是PIM模型的核心。基线状态 \(Z_{i,0}\)（个体在0时刻是否已有腺瘤）是一个潜在变量。模型通过数据增广处理它：在MCMC采样中，根据当前参数估计和观测数据，为 \(Z_{i,0}\) 采样一个条件后验分布。这本质上是一种缺失数据处理（MAR假设，如果缺失是由于基线检查缺失/失败且没有系统原因）。

与文献相比： * 放宽了：相比Muñoz & Gange的原始PIM，增加了误分类建模。 * 强化了：相比典型的误分类校正模型（Gustafson 2005），它处理了区间删失；相比区间删失模型（例如参数化竞争风险模型），它处理了误分类。

主要结果

  • 理论/模拟结果（核心）：
    1. 恢复群体发病率：当提供准确的灵敏度先验时，模型能偏差很小、95%后验区间覆盖良好地估计真实的累积发病率函数 \(F(t)\)。误差主要来自先验偏差（若先验均值偏离真值5%以上，则估计开始明显偏离）。
    2. 恢复协变量效应：对协变量（如年龄、性别、家族史）的log-hazard ratio \(\beta\) 的估计也是近似无偏的，且控制了区间删失与误分类带来的信息损失。与忽略误分类的标准区间删失模型相比，本文模型能有效降低因漏检而带来的发病率低估（漏检让观测到的发病率偏低，模拟中本文估计更接近真实）。
    3. 模型选择：论文提供了DIC（Deviance Information Criterion） 和WAIC（Widely Applicable Information Criterion） 用于比较不同发病率函数形式（如线性vs.分段常数）或误分类结构。
    4. 约束力/敏感性：文中强调，当先验信息弱时（例如对灵敏度用Uniform(0,1)），后验分布可能宽且无法识别（即无法区分低灵敏度+高发病率 vs. 高灵敏度+低发病率）。这表明，该方法的实用性完全依赖于先验信息的质量。

证明路线与技术技巧

这是一个应用方法型论文，理论证明并非核心；其本质是构建MCMC采样方案。因此“证明路线”在此改为模型构建与推断技术路线。

  • 整体路线（3步逻辑主干）：

    1. 数据增强（Data Augmentation）：将不可观测的真实事件时间 \(T_i\) 和基线患病状态 \(Z_{i,0}\)（是一个Shorthand for Indication of “prevalent at baseline”）视为潜在的随机变量。给定当前MCMC iteration的参数 \( (\beta, \alpha_l, \pi_s, \pi_n) \)，为每个个体从条件后验 \(P(T_i, Z_{i,0} | Y_i, C_i, ...)\) 中采样一个值。这一步将复杂的似然函数（边际似然）变成了一个完全数据似然（complete data likelihood），形式上更简单。
      • 具体技巧：采样 \(T_i\) 时，根据其在区间删失区间 \([C_{i,k-1}, C_{i,k+1})\)（这里简化）和误分类结果来进行rejection sampling或Metropolis-within-Gibbs。采样 \(Z_{i,0}\) 就是从一个Bernoulli分布中抽取，其后验概率是基线患病与否的odds。
    2. 参数更新（Parameter Update）：在填充了潜在变量后，用标准贝叶斯线性/比例风险模型（Gibbs采样或Metropolis-Hastings）更新回归参数 \(\beta\) 和分段常数风险 \(\alpha_l\)。由于完全数据似然现在是参数化生存模型，这相当于一个与标准生存分析无异（除了误分类参数也需更新外）的贝叶斯回归。
    3. 误分类参数更新：误差参数 \(\pi_s\) 和 \(\pi_n\) 的后验更新是简单的Beta分布（在共轭先验下），因为它们只依赖于被增广出来的“真实”状态和观测结果之间的一致性计数。形式为：\(\pi_s | ... \sim Beta(\alpha + \#\text{obs}(Y=1 \& Z=1), \beta + \#\text{obs}(Y=0 \& Z=1))\)。这是一个巨大简化——依赖于数据增广完成的自我验证。

  • 关键跳跃点：核心难点在于数据增广步骤本身的计算效率与收敛性。在长的随访时间下（例如30年），区间删失区间很宽，\(T_i\) 的后验可能有多峰。作者使用一个customized Metropolis-Hastings step (可能基于区间删失生存的当前估计的 \(S(t)\) ) 来高效采样。未给出该采样器收敛性的严格理论证明（如均方指数衰减），这是大多数贝叶斯方法论文的常见做法。

  • 技术技巧点名：

    • 数据增强：用潜在变量将复杂边际似然转化为简单完全似然。
    • 共轭先验：对误分类参数使用Beta分布，极大地简化了MCMC步骤。
    • 正则化先验：对分段常数累积发病率的变化率 \(\alpha_l\) 施加随机游走先验（random walk prior） 或INLA风格的ICAR先验，以平滑发病率曲线并防止过参数化（在节点多时）。
    • 片段常数风险：通过假设风险是分段常数，将半参数模型转换为了 parametric-like 模型，便于MCMC实现。

真实例子与应用

  • 数据：论文使用模拟数据。他们模拟了一个类似真实结直肠癌高危人群的队列：包含约1000-2000个个体，随访长达20年，检查间隔不等（根据风险不同从1年到5年不等），带有漏检（灵敏度约80%）。未使用真实的电子健康记录数据进行验证。这是该论文的一个重要事实：全部是模拟。论文在模拟中的效果是“好”的（如前述），但并未提供一个含真实金标准的验证来证明方法在真实世界有效。
  • 应用方式：他们生成了含误分类的观测数据，然后：
    1. 用忽略误分类的朴素模型（naive interval-censored survival model，即假设检查结果100%准确）进行拟合。
    2. 用本文提出的贝叶斯PIM模型（假设已知灵敏度）进行拟合。
    3. 比较两者对累积发病率 \(F(t)\) 的估计与真实真值（从模拟的真实事件时间得到）。
  • 结果：朴素模型严重低估了累积发病率（因为漏检导致推迟诊断，就像在真实中几十年的结肠镜数据一样）。本文的贝叶斯PIM模型成功恢复了真实发病率。同时，对协变量效应的估计，PIM模型也表现更好。
  • 这个例子想说明什么：验证了 “忽略误分类的区间删失分析会导致发病率系统性地被低估，而本文提出的贝叶斯PIM模型（配合合理的先验）能有效矫正这种偏误” 这一核心论点。这为未来在真实EHR数据上的应用提供了方法论保障。

🔎 结论是否比证明窄

是的，有明显窄化。最核心的结论“模型在真实数据上有效”没有在真实数据上验证。论文的范围严格限制在模拟环境下，并警示：“when informative priors on test sensitivity are provided, which is usually possible.” 这个“usually possible”是一个非常武断的、未经证明的claim。在真实的医疗筛查中，灵敏度和特异度会因操作者、机构、个体而异，并且可能多种多样（存在inter-observer variability）。先验的设定本身就是一个可争论的问题。因此，论文的结论（“表现良好”）仅适用于先验准确指定且群体间误差稳定的理想化场景。比其论文本身声称的更窄。

四、开放问题（扎根具体语句）

  1. 先验设定的稳健性与敏感性分析框架：论文强调“information priors on test sensitivity”，但在现实场景中，灵敏度的先验很难给定得如此精确。一个开放的统计问题是如何系统地为误分类参数的先验进行敏感性分析，或者构建一个对先验偏差稳健的双重稳健估计量？ 这对应论文中的“simulation results … show sensitivity to prior misspecification”这一具体发现。如果研究者（陈）具备因果推断与半参数理论背景，这可以作为一个很好的切入点。

  2. 在协变量高维时的扩展性：论文中的发病率模型是参数化的（分段常数风险）。当协变量数量P很大时，在当前贝叶斯框架下（Metropolis-update of \(\beta\)），MCMC会非常慢且难以收敛。如何将该模型扩展到高维/正则化（如Lasso、Spike-and-Slab先验）框架？ 这扎根于论文“the model can be extended to incorporate more flexible forms for the disease model”这一Future Work声明。更深层的问题是：在误分类和区间删失下的高维变量选择，计算成本与统计效果之间是否存在某种统计-计算权衡？这直接对应研究者的信息-计算缺口兴趣。

  3. 非参数/半参数效率与双稳健估计：本文采用完全参数化的贝叶斯方法。是否可以用半参数效率理论构造一个在误分类和区间删失下达到有效界的双稳健估计量（类似EIF + DML）？ 这个估计划只需要知道灵敏度（弱于贝叶斯对整个似然的指定），理论上可以更稳健。这直接扎根于论文中“non‐parametric estimator”作为模型拟合的参照——但那个非参数估计量（Turnbull-like）是描述性的，不是基于EIF的。这是研究者半参数效率理论背景的一个天然应用方向。

  4. 与计算复杂性理论的交叉：虽然本文是应用方法，但它蕴含的数据增强步骤（采样潜在变量 \(T_i\) 和 \(Z_{i,0}\)）在计算上是昂贵的。当样本量极大（例如10万+）或检查次数很长时，该MCMC过程的混合时间是否存在明确的界？ 是否存在计算上不可能（例如信息-计算缺口）的特定参数设定（如误分类率很高，删失窗口很宽）？虽然目前这是一个纯计算问题，但它与您对 information-computation gap 的兴趣看似遥远，但潜在联系在于：当模型不可识别性强时，任何基于先验信息的贝叶斯方法的“信息增益”是否必须通过指数级计算获取？这篇论文本身不提供这个视角，但其问题设定（区间删失+误分类）可以作为该基本统计计算问题的实例化。这是一个更高层次的开放问题，需要从密度估计与随机算法复杂性的理论视角切入。

Maintained by 陈星宇 · Homepage · Source on GitHub

评论